提出目的是为了解决fastrcnn中正负样本不均衡的问题
算法具体流程如下：先计算出feature map，然后上面的那个ROI网络对选中的B个roi进行前向计算并且计算出每个Roi的损失，将损失排序，然后根据loss执行NMS算法（避免loss大的为同一区域的roi），然后选择hard Rois输入到下面的那个红色的可读可写的ROI网络中，执行前向计算，然后反向传播更新网络参数，最后把这些更新好的参数传给上面的那个绿色的只读的ROI网络，即一次迭代完成。
也就是说网络有两个head，其中一个head只计算前向传播的loss，并根据LOSS进行NMS，这样在另一个head就可以有充足的hard example进行训练
https://zhuanlan.zhihu.com/p/85815803
